单像素高效感知方法概述

资源受限平台的高效率视觉感知是信息领域的瓶颈难题。不同于传统阵列探测成像,单像素成像基于压缩感知原理将多维图像编码为一维采集数据,有效提升了数据压缩率,且灵敏度高、工作波段宽,逐渐成为研究热点。然而,单像素成像重建的图像中仍包含大量对高层语义理解无关的信息,导致传输、存储、计算的资源浪费。单像素感知是一种直接从一维采集数据解耦高级语义推断结果的新型感知技术,无需重建多维图像,相较传统先成像-后感知的技术路径大幅提升了感知效率,在遥感探测、智慧交通、生物医学、国防军事等众多领域具有广阔的应用前景。文中重点梳理了单像素感知技术的发展历程,详细介绍了单像素感知技术的方法架构以及在视觉应用中的研究进展,最后对其未来发展趋势进行了展望。     

大规模计算重建理论与方法

计算成像将高维场景信息压缩编码为低维采集数据，并通过计算重建算法恢复高维场景信息。数据爆炸时代，对高时空分辨率的需求日益迫切，亟需同时满足高精度、低复杂度及适用不同系统的灵活性要求的大规模重建算法。现有大规模计算重建研究，包括交替投影、深度图像先验及即插即用方法，已取得阶段性进展。其中交替投影方法已应用于十亿像素定量相位成像，深度图像先验方法和即插即用方法结合了传统模型优化与深度学习技术的优点，具备大规模重建潜力。系统地梳理3类方法的架构及在大规模计算成像中的应用，展望大规模重建算法的未来发展趋势，以期为后续研究与应用提供有益的指导与借鉴。